PclSharp--基于多项式平滑点云及法线估计的曲面重建

原创

已于 2022-07-22 09:35:15 修改 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#c# #算法

于 2022-07-21 21:28:57 首次发布

该博客介绍了如何使用PCL库中的移动最小二乘法(MLS)对点云数据进行平滑处理和法线估计。通过重采样算法，处理测量误差导致的不规则数据，修复曲面漏洞，并解决多扫描结果配准后的“双墙”问题。代码示例展示了读取点云数据、应用MLS及显示处理结果的过程。

1、基于移动最小二乘法(MLS)的平滑和法线估计

有时测量较小的对象时会产生一些误差，这些误差所造成的不规则数据如果直接拿来曲面重建的话，会使重建的曲面不光滑或者有漏洞。而且，这些不规则的缺陷很难用统计分析的方法进行消除，所以为了建立完整并且可用的点云模型，必须对表面进行平滑处理和漏洞修复。在不能进行额外扫描的情况下（也就是仅依靠已有数据的情况下），可以通过对数据进行重采样来解决这一个问题。重采样的算法通过对周围数据点进行高阶多项式的插值来重建表面缺少的部分。（主要功能是平滑表面，重建不光滑和漏洞，以便后边查找法向正常）

除此之外，多个扫描点的扫描结果配准后得到的数据直接拿来进行曲面重建会产生“双墙”等人造伪数据，即某快区域会出现重叠的两个曲面，使用重采样的方法同样可以处理这个问题。

2、代码：

using PclSharp;
using PclSharp.Common;
using PclSharp.Features;
using PclSharp.Filters;
using PclSharp.IO;
using PclSharp.SampleConsensus;
using PclSharp.Search;
using PclSharp.Segmentation;
using PclSharp.Std;
using PclSharp.Struct;
using PclSharp.Surface;
using System;
using System.Numerics;

namespace PclSharpTest
{
class Program
{
static void Main(string[] args)
{